大周末的不休息，继续学习pandas吧，pandas你该这么学，No.7
其实，写文章真的挺难的
每天抽点时间，写写文采飘逸的文章
坚持个几年，成为称霸一方的大佬
坚持就会成功吧~
最近碰到瓶颈了，
一直找不到好的运营公众号的方式（好想有人指导唉~，对了，橡皮擦有个100多人的小qun，缺划水，话痨管理...）
谁有啥经验呢
给评论两句，帮橡皮擦指个鹿
嘿嘿哈嘿~
上一篇，我们捣鼓了一下dataframe计算类的函数
这一篇，
我要开始给你嘚啵一下分组与排序了
这两个函数分类
你一定要学会，学会了
就深得pandas精髓了
先说排序
英文sorted
好了，说完了，其他的自己感受吧
O(∩_∩)O哈哈~
开个玩笑
作为程序布道师，我是一定要讲明白的
看，那是sorted
在dataframe里面，有两个排序的函数
一个叫做sort_values，还有一个也叫做 sort_values 额，不对，叫做 sort_index
见到名字
对于已经看过我6篇博客的你来说
瞬间你就知道它们是干啥的了
- sort_index 按照索引排序
- sort_values 按照值排序
那我们就先表一表sort_index
先准备一个基本的数据
代码写的好不好，全看你找的数据准不准
df = pd.DataFrame([[4,8,3],[5,6,1],[1,9,2]],columns=['boys','girls','aboys'],index=['class2','class1','class3'])
打印出来，一看就能看到，这个栗子举得真棒
boys girls aboys
class2 4 8 3
class1 5 6 1
class3 1 9 2
注意看，列索引的名字分别是boys,girls,aboys
行索引的名字分别是 class2,class1,class3
顺序都是乱的哦~
下面，使用排序
df = pd.DataFrame([[4,8,3],[5,6,1],[1,9,2]],columns=['boys','girls','aboys'],index=['class2','class1','class3'])
print(df)
print(df.sort_index())
print(df.sort_index(axis=1))
print(df.sort_index(axis=0))
噔噔噔~
看结果
看到了没，axis这个参数，又起到作用了哦~
当然，倒序也是比较容易的
就加一个ascending =False 就OK啦
这么简单，就不演示了
sort_index嘚啵完毕，就该sort_values出面了
这个函数，比上面多一个参数by
演示走一波
df = pd.DataFrame([[4,8,3],[5,6,1],[1,9,2]],columns=['boys','girls','aboys'],index=['class2','class1','class3'])
print(df)
print(df.sort_values(by='boys'))
print(df.sort_values(by='girls'))
print(df.sort_values(by='class1',axis=1))
继续上个小图，说明一下
当然，还可以指定多列，不过不推荐，你可以用下面的代码
微微一测，技术到手
print(df.sort_values(by=['boys','girls']))
排序嘚啵完毕，下面开始分组
分组，组叫做group
在pandas中，这个就属于比较高级的函数的
GroupBy
官网注释里面给了一句
注意看，他把by当成了可选参数，
呵呵，官网写错了
你必须要传递一个by或者level进去
也就是按照谁来分组
但是，问题又来了
你要分组，必须要有意义
什么意思？
比如，我们一直测试的数据
这个数据，请问，你需要分组
你需要怎么分组？
这个压根不需要分组的好吧
所以分组前，你必须要明确的看到
恩，这个数据，我需要分组，才能不拉不拉的做一些事情
于是乎，我开始分组
顺手就来
看数据
import pandas as pd
mydict = {
'class_name':['class1','class1','class2','class2'],
'student':[20,30,10,20]
}
df = pd.DataFrame(mydict)
print(df)
唉，这个数据就比较好学习分组了
在某次，某次什么事件中，统计到的每个班的学生人数如下
我接下来，要知道class1班有多少，class2班有多少人
那需要按照班级名字分组啊
也就是
class_name
你看，分组概念出来了吧
print("*"*100)
print(df.groupby(by='class_name'))
一瞅，结果
嘿嘿，果然看不懂
****************************************************************************************************
<pandas.core.groupby.groupby.DataFrameGroupBy object at 0x000001CB1D07CE80>
其实没啥了，是一个DataFrameGroupBy 对象
分组之后，你需要在使用一个聚合或者计算类的函数
就OK的拉
比如，分组求和
print(df.groupby(by='class_name').sum())
------------------------------------------
student
class_name
class1 50
class2 30
比如，分组求平均值
print(df.groupby(by='class_name').mean())
比如，分组求那个啥？
print(df.groupby(by='class_name').count())
还有那个啥
df.groupby(by='class_name').size()
好了，来了一个小重点 small case
这两个乍一看，咦，结果一样唉
注意，细节，细节才能区分大佬与大菜鸟
print("*"*100)
print(type(df.groupby(by='class_name').size()))
print("*"*100)
print(type(df.groupby(by='class_name').count()))
这两返回的类型都不同
****************************************************************************************************
<class 'pandas.core.series.Series'>
****************************************************************************************************
<class 'pandas.core.frame.DataFrame'>
一个是Series，是个是DataFrame
在往深处研究
import pandas as pd
mydict = {
'class_name':['class1','class1','class2','class2','class3','class4','class4'],
'student':[20,30,10,20,5,None,12]
}
df = pd.DataFrame(mydict)
print(df)
print("*"*100)
print(df.groupby(by='class_name').size())
print("*"*100)
print(df.groupby(by='class_name').count())
对比结果吧
拿出笔来，画重点
count不统计none值
漂亮，深得精髓
OK了，这篇博客到此结果喽
知道你没学会，学会你就是最聪明的
明天我们继续研究groupby的其他用法
到现在为止，简单的部分已经完事了
从NOW开始，剩下的都是难的了
哈哈哈哈
你已经关注我公主号了，对不对
赶紧让朋友也关注啊...
